基于图与语言模型的合规即代码案例研究：监管知识图谱的公开发布

Vladimir Ershov

基于图与语言模型的合规即代码案例研究：监管知识图谱的公开发布

人工智能 2023-02-06 v1 计算与语言信息检索机器学习

作者: Vladimir Ershov

摘要

本文提出了一项关于使用语言模型自动化构建用于合规的可执行知识图谱（KG）的研究。论文聚焦于阿布扎比全球市场（Abu Dhabi Global Market）的监管规定与分类法，涉及对部分规定进行人工标注，训练基于BERT的模型，随后将其应用于语料库的其余部分。使用共指消解和句法分析来解析标注实体之间的关系，并形成存储在Neo4j数据库中的知识图谱。论文指出，监管机构发布机器学习模型以自动化规则解释是迈向合规自动化的重要一步，演示了使用Cypher进行概念查询，并表明所产生的子图结合图神经网络（GNN）将实现判断自动化系统的可扩展性。该图谱已在GitHub上开源，为该领域的未来进展提供结构化数据。

关键词

合规即代码知识图谱语言模型 BERT 监管文档图神经网络 Neo4j

引用

@article{arxiv.2302.01842,
  title  = {A Case Study for Compliance as Code with Graphs and Language Models: Public release of the Regulatory Knowledge Graph},
  author = {Vladimir Ershov},
  journal= {arXiv preprint arXiv:2302.01842},
  year   = {2023}
}

备注

7 pages on RegKG step 1 in collaboration with ADGM

基于图与语言模型的合规即代码案例研究：监管知识图谱的公开发布

摘要

关键词

引用

备注

相关论文